BAB 3 ANALISIS TITIK IMPAS (BREAK EVEN ANALYSIS)
2. Penggunaan Software MS Excel Untuk Aplikasi Analisis Titik Impas
Kita akan membahas aplikasi dari BEP yang dilakukan dengan pendekatan formulasi dan pendekatan grafis. Pendekatan formulasi berusaha mendapatkan nilai BEP dengan melakukan manipulasi data tunggal untuk masing-masing variabel penentu, sedangkan pendekatan grafis menghitung nilai BEP dan visualisasinya secara grafis dengan melakukan manipulasi data range untuk masing-masing variabel penentu.
1. Pendekatan Formulasi
Penentuan break-even dengan melakukan pendekatan formulasi dilakukan dengan langkah-langkah berikut:
a. Persiapkan lembar kerja di Excel. Ketikkan data awal, seperti biaya tetap, biaya variabel per unit, harga jual per unit, dan jumlah unit terjual di sel F4 sampai F7.
b. Rumus untuk menyelesaikan lembar kerja tersebut yaitu: Sel F9 diisi
= F6*F7
Sel 10 diisi= F5*F7 Sel F11 diisi= F10/F9 Sel F13 diisi= F4/(F6-F5) Sel F15 diisi= F4/(1-F11)
c. Setelah seluruh rumus tersebut dimasukkan, kita dapat mencari break-even secara cepat baik dalam satuan unit maupun rupiah.
Dengan lembar kerja tersebut memungkinkan kita mendapatkann informasi tentang brek-even dalam berbagai tingkat harga jual, biaya tetap, dan biaya variabel.
2. Pendekatan Grafis
Penentuan titik break-even berikutnya adalah dengan pendekatan grafis.
Dengan cara ini manajemen akan dapat mengetahui hubungan penjualan, biaya, dan laba/rugi. Penentuan besarnya laba harus direncanakan oleh pihak manajemen perusahaan dengan cara meminimumkan biaya produksi dan biaya operasional, menentukan harga jual yang sesuai dengan proyeksi laba, serta meningkatkan volume penjualan. Ketiga faktor tersebut (biaya, harga jual, dan volume penjualan) mempunyai kaitan yang sangat erat sehingga satu faktor akan berpengaruh terhadap faktor yang lain.
Titik break-even ditentukan secara grafis oleh persilangan antara garis total penjualan (Total Revenue) dengan garis total biaya (Total Cost).
Prosedur pendekatan grafis dengan Excel dapat dilakukan dengan langkah berikut:
a. Persiapkan lembar kerja di Excel. Ketikkan data awal, seperti biaya tetap, biaya variabel per unit, dan harga jual per unit di sel F4 sampai F6. Jumlah unit terjual diisikan 0 unit sampai 20000 unit pada kolom B10:B20.
b. Berdasarkan data awal di atas, lakukan perhitungan dengan rumus:
Sel C10 diisi = B10*$F$6 Sel D10 diisi = $F$4 Sel E10 diisi= B10*$F$5 Sel F10 diisi= D10+E10 Sel G10 diisi = C10-F10
c. Salin data dari range C10:F10 sampai dengan C20:F20.
d. Berdasarkan data range C8:F20, dapat dibuat grafik tipe garis (line) yang menggambarkan persilangan antara garis total penjualan dengan garis total biaya sehingga dicapai titik impas (BEP).
Cara mememunculkan grafik agar dapat terlihat di lembar kerja Excel, di mana sumbu X dan sumbu Y dapat bertemu di titik 0, lakukan klik kanan pada sumbu X. Akan muncul foating menu dan klik format axis, muncul kotak dialog, pilih tab menu scale dan hilangkan tanda cawing (check) pada pernyataan value (Y) axis crosses between categories, lalu klik ok.
Maka sumbu X dan sumbu Y pada grafik akan bertemu di titik 0.
3. AplikasiExcel untung menghitung BEP
a. Break-event point untuk satu macam produk
Sebuah perusahaan telah mengolah data penjualan barang dengan menggunakan Excel. Data tentang barang tersebut yang meliputi unit terjual, rata-rata diskon, biaya produksi dan biaya tetap terdapat dalam tabel berikut ini. Permasalahan yang dihadapi oleh perusahaan adalah menghitung titik impas atau break-event point (laba atau marjin = 0). Kondisi awal menghitung BEP untuk satu macam produk seperti berikut:
Tabel 3. 2 Titik impas produk
Goal Seak untuk menentukan Titik Impas / Break Even Point (BEP)
Harga jual per unit Rp. 45.000
Jumlah terjuaal (Unit) 2
Rata-rata diskon 10%
Total pendapatan sebelum diskon Rp. 90.000.000
Diskon Rp. 9.000.000
Total pendapatan setelah diskon Rp. 81.000.000 Biaya produksi (variabel) per unit Rp. 20.000 Total biaya produksi (variabel) Rp. 40.000.000
Biaya tetap Rp. 25.000.000
Total biaya tetap Rp. 65.000.000
Laba Rp. 16.000.000
Marjin 19,75%
Penyelesaian kasus dilakukan dengan langkah berikut ini:
i. Salin data tersebut ke lembar kerja Excel.
ii. Pilih dan klik menu Tools, Goal Seak. Tentukan alamat sel dan data yang diinginkan sehingga kotak dialog Goal Seek terlihat seperti berikut ini.
Set cell:$C$18 To value:0
By changing cell:$C$7 iii. Klik tombol OK.
iv. Klik tombol OK pada kotak dialog Goal Seek Status.
Perhatikan kondisi akhir perghitungan BEP dengan Goal Seek, hasilnya seperti pada tabel berikut ini.
Tabel 3. 3 BEP
Goal Seak untuk menentukan Titik Impas / Break Even Point (BEP)
Harga jual per unit Rp. 45.000
Jumlah terjuaal (Unit) 1.220
Rata-rata diskon 10%
Total pendapatan sebelum diskon Rp. 54.878.049
Diskon Rp. 5.487.805
Total pendapatan setelah diskon Rp. 49.390.244 Biaya produksi (variabel) per unit Rp. 20.000 Total biaya produksi (variabel) Rp. 24.390.244
Biaya tetap Rp. 25.000.000
Total biaya tetap Rp. 49.390.244
Laba Rp. 0
Marjin 0,00%
b. Break-event point untuk dua macam produk
Madani Asri Property merupakan sebuah perusahaan pengembang merencanakan akan membangun 50 unit rumah untuk kelas menengah dengan tipe Melati dan Anyelir. Perusahaan telah mengolah data kedua tipe rumah tersebut ke dalam lembar kerja Excel (rumus dapat dilihat pada lembar kerja bersangkutan) seperti pada tabel di bawah ini. Masalah yang dihadapi perusahaan adalah menentukan break-even point kedua tipe rumah tersebut. Kondisi awal menghitung BEP untuk dua macam produk seperti berikut:
.
Tabel 3. 4 Titik impas 2 tipe rumah
Solver untuk menentukan titik impas dua macam produk
Keterangan Melati Anyelir
Harga jual Rp.150.000.000 Rp. 135.000.000
Unit terjual 20 30
Pendapatan Rp. 3.000.000.000 Rp.4.050.000.000
Biaya produksi per unit
Rp. 120.000.000 Rp. 107.500.000 Biaya variabel Rp. 2.400.000.000 Rp. 3.225.000.000
Biaya tetap Rp. 150.000.000 Rp. 200.000.000 Total biaya Rp. 2.550.000.000 Rp. 3.425.000.000
Laba per produk Rp. 450.000.000 Rp. 450.000.000
Total laba Rp. 875.000.000 Rp. 625.000.000
Penyelesaian untuk menentukan break-even point kedua tipe rumah tersebut dilakukan dengan langkah sebagai berikut:
i. Pilih dan klik menu Tools, Solver. Isi data pada kotak dialog Solver Parameters sehingga terlihat kotak dialog Solver parameters seperti berikut ini.
Tabel 3. 5 Kotak dialog solver parameters Solver Parameters
Set Target Cell: $C$18 Solve
Equal To: Max Min Value of: 0 Close By Changing Cells:
$C$8:$D$8 Guess
Subject to the Constraints:
$C$16 = 0 Add
Change Reset All Delete Help ii. Klik tombol Add. Isi data yang diperlukan sehingga kotak
dialog add Constraint sehingga kotak memberikan batasan ditampilkan seperti tabel berikut ini.
Tabel 3. 6 Kotak dialog Add Constrain Add Constraint
Cell Reference: Constraint:
$C$16:$D$16 = 0
OK Cancel Add Help
iii. Klik tombol OK. Kotak dialog Solver Parameters ditampilkan kembali.
iv. Klik tombol Solve. Kotak dialog Solver Results ditampilkan, klik kotak pilihan Keep Solver Solution sehingga kotak dialog solver results seperti pada tabel berikut ini.
Tabel 3. 7 Kotak dialog solver results Solver Results
Solver found a solution. All constraints and optimality
Condition are satisfied. Reports
Answer Sensitivity
Keep Solver Solution Limits
Restore Original Values
OK Cancel Save Scenario… Help
v. Klik tombol OK, kondisi akhir perhitungan BEP dua macam produk, hasilnya dapat dilihat seperti pada tabel berikut ini.
Tabel 3. 8 Menentukan titik impas tipe rumah Solver untuk menentukan titik impas dua macam produk
Keterangan Melati Anyelir
Harga jual Rp. 150.000.000 Rp. 135.000.000
Unit terjual 5 7,272727273
Pendapatan Rp. 750.000.000 Rp.981.818.181,82 Biaya produksi per
unit
Rp. 120.000.000 Rp. 107.500.000 Biaya variabel Rp.600.000.000 Rp. 781.818.181,82 Biaya tetap Rp. 150.000.000 Rp. 200.000.000 Total biaya Rp. 750.000.000 Rp. 981.818.181,82 Laba per produk Rp. 0,00 Rp. 0,00
Total laba Rp. 0,00
BAB 4
PROYEKSI PENJUALAN/
PENDAPATAN (PERAMALAN)
Aktivitas manajerial khususnya proses perencanaaan, seringkali membutuhkan pengetahuan tentang keadaaan yang akan datang. Pengetahuan ini sering dinyatakan dalam bentuk peramalan kejadian atau kondisi yang akan datang. Kegiatan peramalan merupakan landasan penting agar para pengambil keputusan mampu menerapkan keputusan yang tepat dan dapat mengalokasikan sumber daya organisasi secara efektif dan efisien.
Berdasarkan konsep siklus aliran kas, maka dapat disimpulkan bahwa variabel terpenting yang mempengaruhi kebutuhan pembelanjaan perusahaan adalah proyeksi penjualan yang tepat. Proyeksi penjualan dari hasil peramalan yang tepat merupakan dasar bagi peramalan kebutuhan pembelanjaan.
Peramalan kebutuhan pembelanjaan diperoleh dengan mengalikan hasil proyeksi penjualan dengan kebutuhan ongkos produksi dan operasional per unit produk yang akan dihasilkan.
Metode peramalan secara kuantitatif dikelompokkan menjadi 2: pertama, Casual Forecasting meliputi regresi berganda, model ekonometrik dan sebagainya. Kedua, Time Series Forecasting yang membahas proyeksi masa depan suatu variabel berdasarkan data historis dan data saat ini. Pembahasan bab ini memfokuskan pada analisis time series menggunakan metode moving average, exponential smoothing dan trend/ regresi. Penerapan analisis time series dengan metode tersebut akan menggunakan contoh studi kasus, dengan penekanan langkah penyelesaian menggunakan Excel.(Reswan A., 2009)
1. MOVING AVERAGE
Metode Moving Average (MA) atau rata-rata bergerak digunakan untuk meratakan deret berkala suatu data yang bergelombang. Dasar yang dipakai untuk menghitung nilai MA dilakukan dengan mencari nilai rata-rata dari sejumlah N tahun secara berturut-turut, sehingga diperoleh nilai rata-rata bergerak yang secara teratur atas dasar jumlah N tahun tertentu.
Metode ini tidak member ketentuan tentang jumlah N tahun yang harus digunakan sebagai dasar mencari nilai rata-rata. Jika digunakan cara MA = 3 tahun, maka peramalan satu tahun ke depan adalah sebesar rata-rata data 3 tahun sebelumnya. Dengan demikian jika data 3 tahun tersebut digunakan sebagai dasar, maka dinamakan, reata-rata bergerak per tiga tahun.
Kasus proyeksi penjualan dengan moving average: PT. Bravo memiliki data penjualan (dalam jutaan rupiah) yang terdapat dalam lembar kerja di bawah
ini. Data tersebut merupakan data penjualan selama 19 tahun terakhir, sejak tahun 1980 sampai dengan 1998 seperti yang anda lihat pada tabel di bawah ini:
Tabel 4. 1 Data penjualan untuk perhitungan moving average Moving Average
Tahun Sales MA
1980 55
1981 69
1982 77
1983 89
1984 95
1985 102
1986 101
1987 98
1988 98
1989 103
1990 106
1991 124
1992 132
1993 165
1994 173
1995 169
1996 185
1997 199
1998 201
Berdasarkan data yang terdapat pada range C5:C23 akan dapat ditampilkan hasil pengolahan data dengan metode Moving Average dengan interval waktu 3 tahunan, yang hasilnya ditempatkan pada range D5:D23 dan disertai dengan tampilan dalam bentuk grafik.
Penyelesaian kasus proyeksi penjualan dengan Moving Average:
1. Pilih da klik menu Tools, Data Analysis. Kotak dialog data analisis ditampilkan pada aplikasi Microsoft Excel.
2. Pilih dan klik ganda Moving Average. Kotak dialog Moving Average ditampilkan. Tekan tombol OK.
3. Isikan data masukan range C5:C23 pada kotak isian Input Range, pada kotak isian Interval diisi 3. (interval waktu 3 tahunan). Hasil pengolahan data ditempatkan mulai dari sel D5, sehingga pada kotak isian Output Range diisi D5. Selanjutnya klik pada kotak isian Chart Output (Anda dapat menambahkan data keluaran Standard Error dengan mengklik kotak isian yang bersangkutan).
4. Klik tombol OK. Hasil pengolahan data tersebut ditampilkan dalam bentuk grafik.
2 kendala utama dari penggunaan metode Moving Average dalam peramalan. Pertama, untuk menghitung nilai MA, dibutuhkan sejumlah N data pada masa lalu yang harus tersedia. Kedua, setiap data yang telah terjadi sebanyak N pada masa lalu tersebut diasumsikan memiliki proporsi/ bobot yang sama, padahal dalam kenyataannya seringkali data yang terjadi paling akhir memberikan informasi yang lebih banyak tentang apa yang terjadi di masa mendatang.
2. EXPONENTIAL SMOOTHING
Metode Exponential Smoothing (ES) adalah salah satu metode peramalan yang memberikan proporsi/ bobot yang relative lebih besar untuk data yang paling akhir. Di Samping itu, metode ini hanya membutuhkan 2 titik data guna meramalkan nilai yang akan terjadi pada masa mendatang, sehinggga dalam ES terdapat suatu nilai konstanta yang biasanya dilambangkan dengan α, di mana α adalah besarnya bobot yang diberikan untuk data aktual yang terakhir.
Sedangkan 1 – α (damping factor) adalah besarnya bobot untuk nilai peramalan periode tersebut. Jadi damping factor adalah suatu faktor koreksi dari nilai peramalan yang dipakai untuk meminimalisasi ketidakstabilan data.
Angka untuk α memang sangat subyektif dengan nilai antara 0 sampai 1.
Tetapi sebagai standar, nilai α disarankan mendekati 1 agar dapat mengeliminasi komponen suklikal dan irregular yang tidak dikehendaki dalam peramalan.
Kasus proyeksi penjualan dengan Exponential Smoothing: Data penjualan PT.
BRAVO pada tahun 1980 sampai 1998 terlihat pada tabel 9. Perhatikan, judul pada ESW-0,8 (dapat anda ganti dengan judul lain), berarti Exponential Smoothing dengan nilai α sebesar 0,8. Jika α = 0,8, maka damping factor nya dapat dihitung sebagai berikut :
damping factor = 1 – α = 1 – 0,8
= 0,2
Tabel 4. 2 Data penjualan untuk perhitungan exponential smoothing.
Moving Average
Tahun Sales ESW.0.8
1980 55
1981 69
1982 77
1983 89
1984 95
1985 102
1986 101
1987 98
1988 98
1989 103
1990 106
1991 124
1992 132
1993 165
1994 173
1995 169
1996 185
1997 199
1998 201
Penyelesaian kasus di atas yaitu sebagai berikut:
1. Buatlah lembar kerja persiapan awal seperti pada tabel di atas.
2. Pilih dan klik menu Tools, Data Analysis. Kotak dialog Data Analysis ditampilkan.
3. Pilih dan klik ganda Exponensial Smoothing. Kotak dialog Exponensial Smoothing ditampilkan. Tekan tombol OK.
4. Isikan data masukan range C5:C23 pada kotak isian Imput Range, pada kotak isian Damping Factor diisi 0,2 (perhatikan bahwa α = 0,8). Hasil pengolahan data ditempatkan mulai dari sel D5, sehingga pada kotak isian Output Range diisi D5. Selanjutnya klik pada kotak isian Chart Output.
5. Klik tombol OK. Hasil pengolahan data terlihat pada grafik. Anda perhatikan dalam grafik tersebut, output pada sel D5 terdapat keterangan
#NA yang artinya tidak terdapat peramalan untuk tahun yang pertama.
3. TREND/REGRESSION
Trend didefinisikan sebagai kecenderungan dalam jangka panjang dari sekumpulan data. Apabila pada data terdapat penambahan atau penurunan yang sifatnya linear untuk jangka waktu yang panjang, maka pola data tersebut dinamakan dengan trend. Salah satu metode peramalan yang dipergunakan untuk pola data trend adalah metode regresi.
Pola hubungan data yang ditunjukkan dengan metode regresi mengasumsikan bahwa hubungan antara 2 variabel (misalnya, data penjualan dengan tahun) dapat dinyatakan dengan suatu garis lurus. Garis lurus yang dicari adalah garis lurus yang mendekati titik-titik dari data historis tersebut.
Secara matematis, garis lurus regresi tersebut dapat dinyatakan dengan persamaan :
Y = a X + b
Di mana Y adalah nilai yang diramalkan, X adalah variabel waktu, serta a dan b adalah koefisien regresi. Variabel a biasanya disebut sebagai slope,dan biasa disebut dengan istilah intercept sehingga untuk mencari garis lurus regresi, maka kita perlu mencari besarnya koefisien regresi (slope dan intercept) tersebut.
Selain menentukan persamaan regresi, kita juga harus menguji apakah tepat penggunaan metode regresi dalam peramalan suatu kasus. Pengujian
tersebut adalah dengan memperhatikan besarnya nilai koefisien penentu (coefficient of determination) yang biasa dilambangkan dengan R2. R2 tersebut berkisar antara -1 hingga 1. Nilai R2 yang diharapkan adalah mendekati -1 atau 1, karena menunjukkan sangat besarnya korelasi / pengaruh variabel X dalam menentukan besarnya nilai peramalan untuk variabel Y. Apabila nilai R2 mendekati -1 berarti berkorelasi negatif atau pola trend menurun.
Sebaliknya apabila nilai R2 mendekati 1, berarti berkorelasi positif atau pola trend meningkat.
Kasus proyeksi penjualan dengan trend / regression :Data penjualan PT.
BRAVO selama 19 tahun yang dimulai dari tahun 1980 sampai dengan 1998 terlihat pada tabel 10. Gunakan metode trend/ regresi untuk melakukan proyeksi penjualan di masa mendatang.
Tabel 4. 3 Data penjualan untuk perhitungan regression.
Moving Average
Tahun Sales ESW.0.8
1980 55
1981 69
1982 77
1983 89
1984 95
1985 102
1986 101
1987 98
1988 98
1989 103
1990 106
1991 124
1992 132
1993 165
1994 173
1995 169
1996 185
1997 199
1998 201
Penyelesaian kasus tersebut di atas yaitu sebagai berikut : 1. Tambahkan 1 variabel X pada kolom D.
2. Tempatkan penunjuk sel pada D5, ketik angka 1 dan 2 pada D6, gunakan fasilitas AutoFill sampai pada range D5:D23 terisi angka 1 – 19.
3. Pilih dan klik menu Tools, Data Analysis. Kotak dialog Data Analysis ditampilkan.
4. Pilih dan klik ganda regression. Kotak dialog regression ditampilkan.
Tekan tombol OK.
5. Isikan data masukan range C4:C23 pada kotak isian Input Y Range, pada kotak isian Input X Range diisi D4:D23. Hasil pengolahan data ditempatkan mulai dari sel F4, sehingga pada kotak isian Output Range diisi F4. Tampil pada kotak dialog yang telah diisi dengan berbagai data masukan dan pilihan.
6. Klik tombol OK. Hasil pengolahan data regresi terlihat pada tabel Summary Output.
a. Membuat Grafik model liner
Proses pembuatan grafik model linier dilakukan dengan langkah berikut :
i. Untuk pembuatan grafik, data yang digunakan terdapat pada range C5:C23
ii. Pada saat mengisi Data Range, perhatikan gambar grafik yang menunjukkan salah satu proses pembuatan grafik.
iii. Hasilnya dalam bentuk grafik data penjualan.
b. Membuat garis trend
Proses pembuatan garis trend linier dilakukan dengan langkah berikut :
i. Ketika chart wizard selesai, klik kanan mouse pada grafik.
Akan tampak floating menu
ii. Pilih Add Trendline. Sebuah kotak dialog untuk trend line akan muncul.
iii. Pilih Linear Trendline option.
iv. Klik tab option. Sebuah kotak dialog muncul.
v. Isi (tandai dengan checkbox) pada DisplayEquation on Chart, kemudian klik OK.
vi. Hasilnya dalam bentuk grafik, persamaan, dan peramalan data penjualan dan garis trendnya.
c. Membuat fungsi slope dan intercept
Microsoft Excel juga menyediakan fungsi sederhana untuk menghitung nilai parameter garis trend, yaitu slope dan intercept dilakukan dengan langkah berikut :
i. Masukkan Ke dalam sel H5 formula
=SLOPE(C5:C23;D5:D23).
ii. Masukkan Ke dalam sel H6 formula
=INTERCEPT(C5:C23;D5:D23).
iii. Jika kita memerlukan perhitungan nilai forecast untuk bulan ke-25, maka : forecast bulan ke-25 = Slope * 25 + Intercept.
iv. Masukkan formula = $H$5*25+$H$6 dalam sel H7
Nilai dalam sel H7 tersebut adalah peramalan regresi untuk bulan ke-25 yang diberikan oleh hubungan antara nilai dalam C5:C23 dan nilai pada D5:D23.
BAB 5
ANALISA BERKURANGNYA
NILAI ASET (DEPRESIASI)
Depresiasi merupakan salah satu faktor yang sangat penting dipertimbangkan dalam studi ekonomi teknik. Walaupun depresiasi tidak berupa aliran kas, namun besar dan waktunya akan mempengaruhi pajak.
Pajak merupakan aliran kas, oleh karena itu pajak harus dipertimbangkan seperti halnya ongkos-ongkos peralatan, bahan, energy, tenaga kerja, dan sebagainya. Pengetahuan yang baik tentang depresiasi akan sangat membantu dalam mengambil keputusan yang berkaitan dengan investasi.
Depresiasi pada dasarnya adalah penurunan nilai suatu property atau aset karena waktu dan pemakaian. Bab kelima bahan ajar ini membahas tentang depresiasi atau analisa berkurangnya nilai asset diantaranya analisa metode garis lurus (straight line method), metode keseimbangan menurun (declining balance method/ double declining balance method), metode jumlah angka tahun (sum of the year digits method), dan metode unit produksi (unit of production method).
1. PENGERTIAN DEPRESIASI
Depresiasi adalah penyusutan nilai fisik “decrease in value” barang dengan berlalunya waktu dan penggunaan berdasarkan umur ekonomis actual asset sampai umur rencana tertentu (useful life) dengan mempunyai nilai bahan ajar (book value/ salvage value). Penurunan atau penyusutan nilai pasar, penurunan nilai pakai/ kegunaan, penurunan alokasi cost fungsi waktu, kegunaan, umur.(Reswan A., 2009)
Secara umum gambarannya: tidak semua barang bisa didepresiasi. Benda dapat didepresiasi jika memenuhi ketentuan:
1. Harus digunakan dalam bisnis atau untuk menghasilkan pendapatan.
2. Harus mempunyai umur efektif yang dapat ditentukan.
3. Sesuatu yang dapat dipakai sampai aus, rusak, diperbaiki, menjadi tidak dipakai.
4. Bukan merupakan barang inventori, stok dalam perdagangan atau barang investasi
Bentuk barang terdiri dari berwujud (tangible) dan tak berwujud (intangible).
1. Barang berwujud terdiri dari barang pribadi (personal property), misal:
mesin, kendaraan, alat-alat, perabotan, barang dan barang riil (real property), misal: tanah, bangunan. (tanah tidak terdepresiasi karena umur
efektifnya tidak bisa ditentukan). Barang tak berwujud: misal hak cipta, paten.
2. barang tak berwujud karena proyek-proyek teknik hampir tidak pernah melibatkan kelompok barang ini.
Metode Depresiasi terbagi menjadi 4 metode yaitu:
1. Metode Garis Lurus (Straight Line Method).
2. Metode Keseimbangan Menurun (Declining Balance Method/ Double Declining Balance Method)
3. Metode Jumlah Angka Tahun (Sum of the Year Digits Method).
4. Metode Unit Produksi (Unit of Production Method).
Metode yang dipilih tergantung kepentingan manajemen perusahaan masing- masing. Di samping itu, perlu juga diketahui definisi-definisi:
1. Cost: biaya orisinal asset
2. Nilai Bahan ajar (Book Value-BV): suatu nilai barang yang sudah tidak terlalu bermanfaat dari segi pasarnya.
3. Nilai Pasar (Market Value): Nilai barang yang menjadi kesepakatan penjual dan pembeli.
4. Umur Efektif (Useful Life): harapan (estimasi) jangka waktu penggunaan barang.
5. Nilai Sisa (Salvage Value/ Residual Value): estimasi nilai barang pada akhir umur efektifnya.
2. METODE GARIS LURUS
Metode Garis Lurus mengasumsikan jumlah yang tetap depresiasi tiap tahunnya.
Contoh:
Sebuah mesin beli dengan harga: Rp.41 juta. estimasi umur 5 tahun, dan setelah 5 tahun barang dapat dijual dengan harga Rp. 1 juta. Tabelkan depresiasi tahunannya:
Penyelesaian:
Hasil perhitungan depresiasi metode ini dapat dilihat pada tabel berikut ini:
Tabel 5. 1 Depresiasi metode garis lurus
Tahun Depresiasi BV
0 41.000.000
1 8.000.000 33.000.000
2 8.000.000 25.000.000
3 8.000.000 17.000.000
4 8.000.000 9.000.000
5 8.000.000 1.000.000
3. METODE KESEIMBANGAN MENURUN
Metode ini mengasumsikan depresiasi biaya tahunan merupakan prosentase tetap dari BV.
DDB Depresiasi = Aset BV x prosentase penurunan Contoh:
Suatu mesin dibeli dengan harga Rp. 41.000.000. Diperkirakan efektif beroperasi selama 5 tahun. Depresiasi DDB dengan rate 40%, tabelkan depresiasi tahunannya. Perhitungan depresiasi ini dapat dilihat pada tabel berikut ini:
Tabel 5. 2 Depresiasi metode keseimbangan menurun
Thn Cost
Depresiasi Tahunan
Akumulasi
Depresiasi BV DDB
rate BV Depreciation
Expense
0 41.000.000 41.000.000
1 0,4 x 41.000.000 = 16.400.000 16.400.000 24.000.000 2 0,4 x 24.600.000 = 9.840.000 26.240.000 14.760.000 3 0,4 x 14.760.000 = 5.904.000 32.144.000 8.856.000 4 0,4 x 8.856.000 = 3.542.000 35.686.400 5.314.000 5 0,4 x 5.314.000 = 2.125.600 37.811.840 3.188.160
41.000.000
4. METODE JUMLAH ANGKA TAHUN
Metode jumlah angka tahun (sum of the year digits method)
Metode ini dengan membandingkan tahun umur dengan jumlah total umur asumsi. Hasil perhitungan deperesiasi metode ini dapat dilihat pada tabel berikut ini:
Tabel 5. 3 Faktor depresiasi metode jumlah angka turun Tahun Angka tahun urutan terbaik Faktor depresiasi
1 5 5/15
2 4 4/15
3 3 3/15
4 2 2/15
5 1 1/15
Jumlah 15
Contoh.
Tabelkan depresiasi contoh sebelumnya dengan metode jumlah angka tahun terbalik, BV menyesuaikan metode.
Penyelesaian
Tabel 5. 4 Depresiasi jumlah angka tahun
Thn Cost
Depresiasi Tahunan
Akumulasi
Depresiasi BV DDB
rate BV Depreciation
Expense
0 41.000.000 41.000.000
1 5/15 x 41.000.000 = 13.666.667 27.333.333
2 4/15 x 27.333.333 = 7.288.889 20.044.444
3 3/15 x 20.044.444 = 4.008.889 16.035.555
4 2/15 x 16.035.555 = 2.138.074 13.897.481
5 1/15 x 13.897.481 = 926.498 12.970.982
28.029.017 41.000.000